强跟踪自适应卡尔曼滤波在高铁沉降监测中的应用

以高铁沉降监测为应用背景,研究了一种强跟踪自适应卡尔曼滤波算法,并将其与其他几种卡尔曼滤波算法进行仿真对比。结果表明,滤波算法具有较高的精度和较强的跟踪能力。     

基于混沌优化K均值算法的马铃薯芽眼的快速分割

为提高芽眼分割的准确性,该文实现了基于混沌优化K均值算法的马铃薯芽眼的快速分割。K均值算法具有有效性及易于实现的优点,但是容易陷入局部最优值的缺点造成了其聚类结果的不准确。混沌系统由于其遍历性和不重复性,能够以较快的速度执行全局搜索。该文提出的算法的主要思想就是将混沌变量映射到K均值算法的变量中,用混沌变量代替其寻找全局最优值。分割试验结果表明:该文提出的算法,不仅在分割准确性上优于当下流行的K均值算法和模糊C均值算法,而且在运行时间上也更胜一筹,K均值算法和模糊C均值算法分割一幅马铃薯芽眼的图像所需的平均时间分别为2.895 5 s和3.556 4 s,而该文提出的算法仅需1.109 s。当聚类数大于3时,该文提出的算法在运行时间上受聚类数目的影响非常小,这一特点可用于其他一些适合聚类数大于3的农作物上。试验结果还表明,对于该文中的样本,最佳聚类数不宜超过3。最后,精度试验验证了该文提出的算法能够对样本中的马铃薯芽眼实现完全,无遗漏的分割,总的分割精度为98.87%,其中,对正常的马铃薯芽眼分割精度可达100%,对特殊马铃薯的芽眼分割精度为91.67%,总体分割精度较好。因此,该文提出的算法能够为后续种薯的自动切块提供参考。     

BM算法与其改进算法分析

随着网络入侵检测技术的快速发展,入侵行为的检测算法也日益重要。本文对目前常见单模式匹配算法进行分析总结,以经典的单模式匹配算法为例,分析了其详细的实现过程。并以此为基础,分析了修改后的单模式匹配算法的优缺点,对该算法的继续改进提供了一定的参考意见,指出了单模式继续改进的方向。     

基于UML的学生选课系统研究设计

UML是一种表达能力丰富、强有力的建模语言,已经成为软件工业中占支配地位的建模语言,在面向对象领域受到广泛的关注。基于UML的学生选课系统,作者详细地介绍该系统设计过程,即需求分析、系统分析、建立动态模型、系统实现。     

农业知识问答系统句子相似度算法研究

在农业领域中,农业知识问答系统以其能接受自然语言检索和直接返回精确答案而成为一种新的信息检索技术。针对农业领域,提出了一种多重信息融合的句子相似度算法。该算法结合了句子的结构信息、词法信息和语义信息,同时考虑农业知识问答系统中问句的特征,使其更适合应用在农业特定领域中,并通过实验验证了算法的可行性和准确性。     

苹果采摘路径规划最优化算法与仿真实现

采摘路径规划对苹果采摘机器人的工作效率有很大的影响,为了提高苹果采摘机器人采摘效率,研究了采摘路径规划最优化方法。将苹果采摘的路径规划问题转化为三维的旅行商问题进行求解,结合图像识别得到的苹果位置特征,提出了有限域信息素自适应更新的改进蚁群算法,避免了基本蚁群算法求解过程中的早熟和局部收敛的问题,研究了三维模型的建模和驱动方法。试验结果表明将蚁群算法用于解决苹果采摘路径规划问题,当苹果数量达到250个时,改进蚁群算法迭代次数是基本算法的25.3%,而搜索到的最优路径是其94.3%,可见改进算法在搜索次数和最优结果上都有明显的优势。本研究为苹果采摘机器人采摘路径规划的提供理论参考。     

改进的种子点生长模糊边缘检测算法

针对传统模糊边缘检测算法计算量大、效率低的弱点,利用图像边界点连续的特性,结合模糊边缘检测算法的思想,提出了一种基于模糊理论的改进种子点生长边缘检测算法。利用相应算法建立两张快速查找表,对图像中的像素点通过查表,选取种子点,根据边缘点的判断准则对其进行生长,最终实现边缘检测。实验证明,算法具有较高的效率和较强的抗噪能力。     

离心泵网格划分中Sliver单元的消除

Sliver单元的存在严重影响着离心泵网格的质量。针对这一问题研究了离心泵网格划分中可能出现Sliver单元的位置。介绍了目前两种主要Sliver单元消除方法并总结了这两种方法的优缺点,重点分析了通过加密消除Sliver单元算法的原理,指出现有算法并不能完全消除Sliver单元。对一种现有较优的消除算法进行了改进,优化了其判断Sliver单元的准则,从而使其能在加密后完全消除Sliver单元,进而显著地提高了网格的总体质量,并将该改进算法应用于离心泵网格划分中。实例验证,改进后的算法严密有效、执行效率高,     

高程梯度性质和算法不确定性的初步分析

高程梯度指高程在平面坐标中x和y两个方向上的变化率。在坡度算法θ=（p²+q²）/2中分别用p和q表示,因为高程梯度p和q算法的不同而衍生出多种坡度算法,因此对p,q算法性质和精度的研究是坡度算法精度评价的基础。选取陕西省绥德县、秦岭、黑龙江省拜泉县的三个样区,基于7种不同算法计算了高程梯度（p和q）,并对其统计分布特征、空间结构特征、p和q相互关系、算法稳定性与不确定性等进行了分析。结果表明:（1）p和q均值为零,相互独立,方差相等,呈正态分布;（2）各种算法均能表现局地结构和样区之间的差异;（3）从算法稳定性、精度等方面看,Evans-Young算法,特别是经过Shary改进的Evans-Young算法的效果最佳。     

适应场景光照变化的桔小实蝇诱捕监测系统优化设计与试验

为了减少光照造成的桔小实蝇误判,该文在前期设计的基于视频监控的桔小实蝇诱捕装备的基础上,优化改进了硬件装备及监测执行算法。主要通过对装备遮光系统和太阳能装置的改良及Wi Fi/4G等技术的应用形成了一套较完善的集采集、处理、传输和供电为一体的桔小实蝇诱捕监测新装备。同时,改进提出了一种可适应场景光照变化的桔小实蝇检测算法(Bactrocera dorsalis detection algorithm under lighting variations,BDDA-LV),并对软件系统的控制流程与感兴趣数据的判别、获取及传输进行优化,最终形成了一套有较好人机交互的桔小实蝇监测软件系统。通过对新旧桔小实蝇检测算法及系统分别开展了室内和野外试验,结果表明,在中度光照影响下,BDDA-LV算法错误率为7.21%,比原算法降低19.07%,且其运算耗时为原算法的41.7%。在严重的光照影响下,BDDA-LV算法错误率为12.4%,比原算法降低23.07%,且其运算耗时为原算法的42.2%。同时在广州市天河区杨桃公园自然环境下进行了的较长期系统监测试验,该系统可实时稳定地对桔小实蝇进行监测计数。通过对2015年6月18日至24日自然环境下的试验,用计算机系统记录和人工计数比较分析,得到计算机系统计数1634头,人工计数1613头,准确度达98.7%,比优化之前在实验室进行监测试验的系统跟踪精度提高了3.8%。该文所提出的BDDA-LV准确率和运算速率都远高于BBDA算法,整个系统拥有较高的精度和稳定性,具有较好的推广应用价值。     

基于Niblack自适应修正系数的温室成熟番茄目标提取方法

番茄目标的准确提取是番茄采摘的基础,目前番茄目标提取方法都有一定的局限性,难以满足采摘需求。该研究在传统Niblack算法的基础上,结合图像全局灰度变化的估计信息与局部区域信息之间的关联性,提出了一种基于Niblack自适应修正系数的温室成熟番茄目标提取新方法。首先对R-G番茄灰度图像,采用基于自适应修正系数选取的Niblack算法进行阈值分割,从理论意义上确定修正系数的选取原则,归一化局部标准差,实现修正值的计算及二值化过程,然后对分割后的图像去噪,最后采用最小临界矩形法提取成熟番茄果实。试验结果表明,该方法对温室成熟番茄图像有较好的提取效果,识别正确率达到98.3%,与基于归一化红绿色差灰度化的Otsu算法和传统的Niblack算法相比有更高的识别率和更快的处理速度,噪声率也明显减少,能够满足后续成熟番茄定位的需要,有效地解决传统方法适应性低,易产生伪噪声块等问题。     

计算机专业课双语教学的实践与探索

总结了计算机专业课双语教学的经验,从教材选用、课堂讲述、作业、考核方式等几个方面进行了阐述。     

Accounting for habitat loss rates in sequential reserve selection: Simple methods for large problems

We develop reserve selection methods for maximizing either species retention in the landscape or species representation in reserve areas. These methods are developed in the context of sequential reserve selection, where site acquisition is done over a number of years, yearly budgets are limited and habitat loss may cause some sites to become unavailable during the planning period. The main methodological development of this study is what we call a site-ordering algorithm, which maximizes representation within selected sites at the end of the planning period, while accounting for habitat loss rates in optimization. Like stochastic dynamic programming, which is an approach that guarantees a globally optimal solution, the ordering algorithm generates a sequence in which sites are ideally acquired. As a distinction from stochastic dynamic programming, the ordering is generated via a relatively fast approximate process, which involves hierarchic application of the principle of maximization of marginal gain. In our comparisons, the ordering algorithm emerges a clear winner, it does well in terms of retention and is superior to simple heuristics in terms of representation within reserves. Unlike stochastic dynamic programming, the ordering algorithm is applicable to relatively large problem sizes, with reasonable computation times expected for problems involving thousands of sites.     

农村建设用地整理时空布局与模式选择的决策方法

农村建设用地整理的时空布局应该考虑一个地区适宜的农业人口规模。该文通过遗传算法,将人口流动理论引入农村建设用地整理研究;并根据农村建设用地整理优势度评价结果,提出劳动力流动转折点出现时农村建设用地整理最优时空布局方案优选办法,同时进一步明确农村建设用地整理模式选择和时序安排思路。研究表明,城市化进程中将会保留一定的劳动力人口为农业服务,而农村建设用地整理的时空布局安排及整理模式选择应该与之相协调,保障地区产业发展对土地资源的合理需求。该决策方法可为今后农村建设用地整理的相关研究提供借鉴。     

基于Relief F和PSO混合特征选择的面向对象土地利用分类

针对面向对象土地利用分类存在特征维数过高的问题,提出了一种结合Relief F和粒子群优化算法(particle swarm optimization,PSO)的混合特征选择方法,即首先利用Relief F作为特征预选器滤除相关性小的特征,然后以PSO作为搜索算法,以支持向量机(support vector machine,SVM)的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区,采用Landsat8遥感影像为数据源,首先对其进行多尺度分割,然后提取影像对象的光谱、纹理、形状和空间关系特征,利用提出的混合特征选择方法选取最优特征子集,最后使用SVM分类器对研究区进行土地利用分类,总体分类精度和Kappa系数分别为85.88%和0.8036,与基于4种其他特征选择方法的土地利用分类结果进行比较,基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度,能够有效地用于面向对象土地利用分类。     

基于演化算法的水果图像分割

为了满足水果采摘机器人对图像分割算法实时性和自适应性的要求,在传统演化算法的基础上,提出了一种基于蜂王交配结合精英选择、截断选择分阶段的改进演化算法对水果图像进行分割。在设计选择策略时,将迭代过程划分为前中后3个阶段,分别采用蜂王交配算法、精英选择策略和截断选择策略来进行适应值的选择,这样既保证了种群的多样性,又克服了传统演化算法局部最优、收敛过快的缺点。试验结果表明,该文提出的水果图像演化分割算法无论从稳定性、分割效果,还是全局最优收敛速度上,都明显优于传统演化算法,分割的阈值稳定在3个像素之内;与Otsu算法、贝叶斯分类算法、K均值聚类算法、模糊C均值算法等其他算法相比,水果图像演化分割算法分割效果最好,对同一幅图像进行分割得到的分割识别面积参考值最大,而且运行速度最快,平均运行时间为0.08735 s,远少于其余4种算法;并能用于柑橘、荔枝、苹果等各种水果的图像分割,具有一定的通用性,达到水果采摘机器人视觉实时识别的要求,为水果图像分割及其实时获取提供了一种新的基础算法。     

基于费舍尔评分与离散粒子群优化的棉花异性纤维在线检测

为改进基于机器视觉的棉花异性纤维在线检测效率,提出一种基于费舍尔评分与离散粒子群优化的棉花异性纤维特征选择方法。该方法将费舍尔评分滤波式特征选择方法及基于离散粒子群优化的捆绑式特征选择方法组合在一起,首先利用费舍尔评分方法过滤噪声特征,然后利用离散粒子群算法从已去噪的特征集中选取最优特征子集。提出的方法应用于棉花异性纤维数据集,并与费舍尔评分方法、离散粒子群方法、遗传算法、蚁群算法进行对比,试验结果表明该方法可以更有效地选择出有较少特征数目、较高分类精度的特征子集。从75个棉花异性纤维原始特征中选出18个特征组成的特征集,其分类准确度达到93.5%,检测时间仅为0.8231 s,有效地改进了棉花异性纤维在线检测的精度与效率,从而减少异性纤维对棉纺织品的危害,提高棉纺企业经济效益。     

基于无人机航向的不规则区域作业航线规划算法与验证

为尽可能地减少飞行总距离和多余覆盖面积,节省无人机的能耗和药液消耗,研究了一种基于作业方向的不规则区域作业航线规划算法。该算法根据指定的作业方向,可快速规划出较优的作业航线,也可在未指定作业方向的情况下,给出某一推荐的作业方向与航线,使整个作业过程能耗和药耗最优。仿真结果表明,在一块面积为983.125 m2的不规则凸五边形作业区域内,采用该算法进行航线规划,无人机作业的多余覆盖率最低可达到11.5%,而且作业面积越大,优化效果越明显,在同样的地块进行田间试验,得到最低多余覆盖率为2.8%,证明了该算法的可行性。该研究可为自主作业无人机的航线规划算法提供参考。     

Landscape Zonation, benefit functions and target-based planning: Unifying reserve selection strategies

The most widespread reserve selection strategy is target-based planning, as specified under the framework of systematic conservation planning. Targets are given for the representation levels of biodiversity features, and site selection algorithms are employed to either meet the targets with least cost (the minimum set formulation) or to maximize the number of targets met with a given resource (maximum coverage). Benefit functions are another recent approach to reserve selection. In the benefit function framework the objective is to maximize the value of the reserve network, however value is defined. In one benefit function formulation value is a sum over species-specific values, and species-specific value is an increasing function of representation. This benefit function approach is computationally convenient, but because it allows free tradeoffs between species, it essentially makes the assumption that species are acting as surrogates, or samples from a larger regional species pool. The Zonation algorithm is a recent computational method that produces a hierarchy of conservation priority through the landscape. This hierarchy is produced via iterative removal of selection units (cells) using the criterion of least marginal loss of conservation value to decide which cell to remove next. The first variant of Zonation, here called core-area Zonation, has a characteristic of emphasizing core-areas of all species. Here I separate the Zonation meta-algorithm from the cell removal rule, the definition of marginal loss of conservation value utilized inside the algorithm. I show how additive benefit functions and target-based planning can be implemented into the Zonation framework via the use of particular kinds of cell removal rules. The core-area, additive benefit function and targeting benefit function variants of Zonation have interesting conceptual differences in how they treat and trade off between species in the planning process.     

基于近红外光谱的灌浆期玉米籽粒水分小样本定量分析

玉米灌浆期含水率测定是考种育种的重要指标。为了节约样本且快速准确测定灌浆期玉米水分,该文应用近红外光谱技术,提出了基于小样本条件下的自举算法(Bootstrap)与基于x-y距离结合的样本划分方法(SPXY,sample set partitioning based on joint x-y distances)相结合的样本优化方法的偏最小二乘(PLS,partial least square)水分定量分析模型Bootstrap-SPXY-PLS模型。试验结果表明,当Bootstrap重抽样本次数等于500,样本数量大于等于10时,模型的性能稳定,并且随着样本数量增加,重抽样本次数相对减少;样本数量为10和50时,全谱Bootstrap-SPXY-PLS模型的预测均方根误差(RMSEP,root-mean-square error of prediction)均值分别为0.38%和0.40%,预测相关系数(correlation coefficients of prediction)分别为0.975 1和0.968 5,决定系数R~2分别为0.999 9和0.993 6;基于竞争性自适应重加权采样算法(CARS,competitive adaptive reweighed sampling)波长变量筛选后的CARS-Bootstrap-SPXY-PLS模型的预测均方根误差RMSEP均值分别为0.36%和0.35%,预测相关系数分别为0.973 6和0.975 0,模型决定系数R~2分别为0.924 5和0.918 0。因此,全谱Bootstrap-SPXY-PLS模型和CARS-Bootstrap-SPXY-PLS模型均具有稳定的预测能力,为玉米育种时灌浆期种子水分测定提供了一种稳定、高效的方法。